Calcolatore di correlazione (Pearson e Spearman)
Misura la forza e la direzione della relazione tra due variabili numeriche. Incolla due colonne direttamente da Excel, Fogli Google o SPSS e ottieni l'r di Pearson con il suo test di significatività e l'intervallo di confidenza al 95% di Fisher — e la correlazione per ranghi ρ di Spearman sulla stessa schermata, così puoi vedere immediatamente se valori anomali o non linearità cambiano la conclusione. Una verifica di normalità Shapiro-Wilk viene eseguita automaticamente e suggerisce quando il coefficiente di Spearman basato sui ranghi è la scelta più sicura. Questo è uno strumento di correlazione statistica (non un calcolatore di portafogli azionari); i risultati coincidono con cor.test() di R fino ad almeno sei cifre significative.
Report IA
Lascia che l'IA interpreti i tuoi risultati: un documento Word scaricabile in formato APA 7 / report aziendale.
Domande frequenti
Come si riporta una correlazione in formato APA 7?
Riporta r con i gradi di libertà (N − 2), il p-value e idealmente l'intervallo di confidenza, ad esempio: "Il tempo di studio e il punteggio d'esame erano fortemente correlati positivamente, r(10) = .99, p < .001, IC 95% [.96, 1.00]." Il Report AI scrive per te la frase APA completa e l'interpretazione.
Devo usare la correlazione di Pearson o di Spearman?
L'r di Pearson misura l'associazione lineare e assume variabili approssimativamente normali senza valori anomali estremi. La ρ di Spearman lavora sui ranghi, quindi è robusta ai valori anomali e cattura qualsiasi relazione monotona. Se le due differiscono in modo evidente, esamina un grafico a dispersione — questo strumento mostra entrambe per impostazione predefinita.
Cosa si considera una correlazione forte?
Riferimenti comuni (Cohen): |r| ≈ .10 piccola, .30 media, .50+ grande. Il contesto conta — in psicologia .40 può essere notevole, in fisica può essere debole. La significatività statistica dice solo che è improbabile che la correlazione sia zero, non che sia grande.
La correlazione implica causalità?
No. Una correlazione significativa indica che le variabili si muovono insieme; non può dirti quale causa l'altra, né se una terza variabile guida entrambe. Le affermazioni causali richiedono disegni sperimentali o quasi-sperimentali accurati.